在煤炭装船过程中,为避免堆积,需要及时调整大铲(煤炭输出口)的位置。当前采用的工作方式是:观察员甲站在甲板上负责观察船舱底部煤炭堆积情况,并提前将情况通过步话机传递给操作员乙,乙在控制室做出响应,再调整大铲位置。这种方式存在的缺陷有:(1)甲乙配合工作不协调,可能导致方位调整不准确、不及时;(2)浪费企业人力资源。针对以上问题,本文设计了专门的小词汇量语音识别系统来替代乙的工作。甲将调整指令发送到控制室后,系统能够及时识别出该指令并指挥大铲移动,其中核心的工作是准确识别出甲所使用的语音指令。本文参考连续语音识别方法,研究了小词汇量语音识别的理论、方法和应用,解决了该问题,主要工作概括如下:(1)搭建了双向长短时记忆(Bidirectional Long Short Term Memory,BLSTM)网络模型。依据BLSTM在处理时序类数据方面的优势,搭建了含全连接层和BLSTM层的五层深度学习网络。(2)采集了专门的语音指令语料库并做预处理。在本课题的应用背景下,系统并不需要识别大规模的连续语音,而是高频率地使用少量指定的专用词汇、短语、固定搭配等语音。因此本文对数据进行了分类采集,包括基础类、关键词类和含关键词句篇类,以对应模型的不同训练阶段。预处理提取了语音的梅尔倒谱系数,将语音数据转化为了特征矩阵的形式。(3)优化了训练和预测方法。优化训练过程:与自定义数据集相对应,模型训练分为三个阶段,即基础模型阶段、关键词训练阶段和最终模型阶段;优化预测过程:比较了基于贪心算法与基于束搜索算法的时序分类函数的预测过程;实验表明,贪心算法耗时少于束搜索算法,但准确率略低于束搜索算法。综合考虑,本文选择了束搜索算法。通过以上各阶段的对比和优化,在本文的实验环境下,模型特定人使用准确率达到98%,非特定人使用准确率达到94%,能够满足应用需求。(4)设计了图形用户接口(Graphical user interface,GUI)程序以实现模型实时调用和识别。采用图形作为GUI前端,模拟煤炭出口;采用训练好的模型作为GUI后台,进行运算和识别。本程序能够实时地采集用户语音,控制图形执行相应的操作。通过这种方式,本文直观地展示了应用场景和模型用法。另外,为了便于应用程序进一步开发和拓展,本文给出了自定义模型和自定义语料库的方法和注意事项,提高了模型的可移植性。